基于Attention机制的LSTM城市交通路网CO与NOx排放预测方法及系统

本发明涉及一种基于Attention机制的LSTM城市交通路网CO与NOx排放预测方法和系统。预测方法包括：收集道路监测数据和车辆特征数据，作为输入数据；筛选出与CO和NOx排放量相关的特征变量作为输入特征变量；对所述输入特征变量的数据集进行数据清洗以及归一化处理；将所述归一化后的特征变量数据集划分为训练集和测试集；构建包括Attention机制层的Attention‑LSTM模型；构建损失函数，配置超参数；将所述归一化后的特征变量数据集输入设置好超参数的Attention‑LSTM模型中进行训练，得到用于交通路网CO和NOx的排放预测模型。本发明提出的CO与NOx排放预测方法，通过深度学习，能够自动提取和学习交通数据中的关键特征，从而实现更加智能和精确的排放预测。